BPSO-KNN 預測骨質疏鬆症

Abstract

透過生物資訊學分析單核苷酸多型性在正常 個體與病患間的關聯性，這種人類多基因遺傳病變的研究 不僅可找出影響骨質疏鬆症、糖尿病或乳癌等常見重大疾 病的致病基因，更可針對個人體質不同實施個人化之疾病 預防與治療。因此本文利用資料探勘方法，針對骨質疏鬆 症資料集進行特徵選取及分類問題。依據本文收集之304 名患有或非骨質疏鬆症之婦女的數據資料。其中包含年 齡、是否已過更年期及十一個可能與骨質疏鬆症相關的單 核苷酸多型性，共十三個屬性。我們使用粒子族群最佳化 作為特徵選取及參數最佳化，並以K 最近鄰居法為分類 方法，進行骨質疏鬆症之預測，並與其他分類方法做比 較。結果顯示，本研究方法對於骨質疏鬆症有73%以上 預測正確率，其正確率不但優於其他分類方法，且能有效 挑選出重要性較高的單核苷酸多型性。